پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 647 |
| تعداد مقالات | 9,474 |
| تعداد مشاهده مقاله | 68,297,321 |
| تعداد دریافت فایل اصل مقاله | 47,817,786 |
کاربرد الگوریتم ژنتیک به همراه رگرسیون خطی چند گانه برای پیش بینی فعالیت دارویی مشتقات پیرازول ها | ||
| شیمى کاربردى روز | ||
| مقاله 4، دوره 6، شماره 21، دی 1390، صفحه 35-44 اصل مقاله (238.84 K) | ||
| شناسه دیجیتال (DOI): 10.22075/chem.2017.592 | ||
| نویسندگان | ||
| مهدی نکوئی* 1؛ مجید محمد حسینی1؛ اسلام پوربشیر2؛ مهدی مهام3 | ||
| 1گروه شیمی، دانشگاه آزاد اسلامی، واحد شاهرود، شاهرود، ایران | ||
| 2دانشکده شیمی، دانشگاه تهران، تهران، ایران | ||
| 3گروه شیمی، دانشگاه آزاد اسلامی، واحد علی‌آباد کتول، علی‌آباد کتول، ایران | ||
| تاریخ دریافت: 26 دی 1395، تاریخ بازنگری: 09 شهریور 1404، تاریخ پذیرش: 26 دی 1395 | ||
| چکیده | ||
| مطالعه ارتباط کمی ساختار- فعالیت برای پیش بینی فعالیت دارویی مشتقات پیرازول ها، با استفاده از توصیف کننده های ساختاری و روش رگرسیون خطی چند گانه توسعه داده شده است. توصیف کننده های مولکولی با استفاده از الگوریتم ژنتیک انتخاب شدند. سپس یک مدل ساده، قوی، قابل تفسیر و با خطای کم و ضریب همبستگی بالا ساخته شد. نتایج نشان می دهد که تکنیک های خطی مانند رگرسیون خطی چند گانه که با یک روش انتخاب متغیر مناسب کوپل شده باشد، قادر است مدلهای مناسبی برای پیش بینی فعالیت دارویی ترکیبات ارائه نماید. مدل ارائه شده پارامترهای آماری بالایی را نشان داد که می تواند جهت پیش بینی فعالیت دارویی ترکیبات مشابه مورد استفاده قرار گیرد. | ||
| کلیدواژه‌ها | ||
| ارتباط کمی ساختار؛ فعالیت – مشتقات پیرازول‌ها- رگرسیون خطی چند‌گانه- الگوریتم ژنتیک | ||
| عنوان مقاله [English] | ||
| Application of genetic algorithm with multiple linear regressions for prediction of medicinal activity pyrazole derivatives | ||
| نویسندگان [English] | ||
| Mehdi Nekoe1؛ Majid Mohammadhosseini1؛ Pourbasheer2؛ Maham3 | ||
| چکیده [English] | ||
| Quantitative structure-activity relationship (QSAR) study for prediction of medicinal activity of pyrazole derivatives is developed using structural descriptors and multiple linear regression (MLR) method. Molecular descriptors are selected by genetic algorithm. Then a simple, strong, descriptive and interpretable model with low error and high correlation coefficient is construct. The results illustrated that the linear techniques such as MLR combined with a successful variable selection procedure are capable to generate an efficient QSAR model for predicting the activity of different compounds. This model was used for the prediction of activity values of some medicinal compounds which were not used in the modeling procedure. | ||
| کلیدواژه‌ها [English] | ||
| Quantitative structure, Activity relationship, Pyrazole derivatives, Multiple linear regression, Genetic algorithm | ||
|
آمار تعداد مشاهده مقاله: 809 تعداد دریافت فایل اصل مقاله: 414 |
||